情報管理
Online ISSN : 1347-1597
Print ISSN : 0021-7298
記事
スマート・デジタルロジスティクスの実際:情報システムはこれからの物流をいかに支援するか
増田 悦夫
著者情報
ジャーナル フリー HTML

2018 年 60 巻 11 号 p. 788-797

詳細
著者抄録

第4次産業革命を推進する取り組みが進む中,ロジスティクス分野においても変革に向けた取り組みが積極的に進められている。人手不足や非効率な業務に悩まされているロジスティクス業界にとって,IoTやAI,ロボットなどの技術を取り入れたスマート・デジタルロジスティクスに対する期待は大きい。輸送や物流拠点における省力・省人化やサプライチェーンの最適化のための施策やそれを実現するためのロードマップが策定されるとともに,それに沿った取り組みが始まりつつある。民間企業においても,物流拠点における搬送やピッキングを行うロボットの導入,ラストマイルにおけるドローン配送の実験,サプライチェーンを最適化するためのソリューションの提供などが活発に行われている。人手不足,特にトラックドライバーの不足は深刻であり,隊列走行や自動運転の実用化に向けた取り組みが急ピッチで進められている。

1. はじめに

デジタル技術注1)や通信技術の進歩を背景とするIoT(Internet of Things)の進展,それに関連するデータ利活用技術,ロボット,人工知能(AI)技術等の進展により,世界各国・地域で第4次産業革命注2)へ向けた動きが活発である1)。わが国でも積極的に推進していくことを閣議決定し,日本再興戦略2016の中で超スマート社会(Society5.0)の実現を提唱している2)。超スマート社会は第5期科学技術基本計画の中で,「必要なもの・サービスを,必要な人に,必要な時に,必要なだけ提供し,社会の様々なニーズにきめ細かに対応でき,あらゆる人が質の高いサービスを受けられ,年齢,性別,地域,言語といった様々な違いを乗り越え,活き活きと快適に暮らすことのできる社会」と表現されており3),これはサプライチェーン上で顧客に至るモノの流れをコントロールしその最適化を追求する「ロジスティクス」の狙いとも相通じるものがある。超スマート社会の実現の流れの中で,ロジスティクス分野においても大きな変革が引き起こされようとしている。すなわち,超スマート社会のロジスティクス,いわゆる「スマート・デジタルロジスティクス」(あるいは「ロジスティクス4.0」)の実現である(1)。スマート・デジタルロジスティクスの実現により,省力・省人化,生産性・品質・安全性の向上,新たな価値やサービスの創出が期待される。

本稿では,ロジスティクスを取り巻く最近の状況をフォローしたうえで,第4次産業革命をけん引する諸技術がロジスティクスに与えるインパクトについて整理する。さらに,ロジスティクスの変革に向けた取り組みの現状を整理し今後を展望する。

図1 第4次産業革命とスマート・デジタルロジスティクス

2. ロジスティクスを取り巻く最近の状況

2.1 ロジスティクスとその特徴

ロジスティクスは,サプライチェーンにおいて,原材料や部品の調達から,生産を経て,製品や商品を最終顧客へ届けるまでを対象としている。ロジスティクスの8要素4)2に示す。その狙いは,サプライチェーンにおける業務を統合的に扱い,最終顧客の期待に応えるべく,部品や製品の流れを計画,管理,実行し,全体最適を図ることである。この狙いを達成するには,精度の高い需要予測,調達・生産計画,在庫計画,輸送計画などの計画策定と,それに基づく効率的で高品質かつ環境配慮の運用が求められるが,対象物や取り巻く環境が多岐にわたるため,多くの人手がかかっているうえ,情報システムの支援が必要不可欠である。

図2 ロジスティクスの位置づけと8要素

2.2 最近の状況

  • (1)少子高齢化・労働力人口の減少,トラックドライバーの高齢化,長い拘束時間
  •  日本の人口は2008年の1億2,808万人をピークに減少に転じ今後も減少し続けると予想されている5)。65歳以上の人口は2060年頃までほとんど増減しないため,15歳~64歳の労働力人口が減少していくことになる。特に,トラックドライバーの平均年齢は全産業分野のそれに対して高く,高齢化がより進む傾向にある6)3)。大型トラックドライバーは2020年には約10.6万人,2030年には約8.6万人不足すると予想されている7)。さらに,1運行当たりの平均拘束時間が長く6)4),荷待ち時間の存在が課題として指摘され対応が急がれている。

図3 トラックドライバーの平均年齢
図4 1運行当たりの平均拘束時間

  • (2)ネット通販の進展,増える宅配需要への対応の必要性
  •  ネット通販が進展しBtoCのEC市場規模は2016年には15.1兆円規模(2010年の約2倍)に達している8)5)。これに連動し,宅配便取り扱い個数も増加している9)5)。しかも,受け渡しのミスマッチによる再配達が約2割に達し10)1),宅配便業者の負担増が社会問題となっている。ラストマイル注3)配送の効率化に向けた取り組みが活発に進められているところである。

図5 BtoC-EC市場規模の推移と宅配便(航空輸送を除く)の取り扱い個数
表1 宅配便における再配達荷物の発生状況

  • (3)低い積載効率での小口・多頻度配送の拡大
  •  一方,1回の運送で運ばれる貨物重量は減少を続け,2010年以降横ばいになりつつも1t未満と小口であり,しかも0.1t未満の貨物を運ぶ件数の割合が年とともに増加し多頻度化している11)6)。また,営業用トラックの2011~2015年の積載効率(=輸送トンキロ/能力トンキロ×100)注4)は,41.6,40.9,41.1,40.9,40.5%であり6),低い状態が続いている。

以上のような状況であり,第4次産業革命によるロジスティクスの変革が期待される。

図6 貨物量別の物流件数の推移

3. 第4次産業革命をけん引する主要技術とそのインパクト

3.1 主要技術

  • (1)IoT
  •  あらゆるモノをインターネットに接続し,現実空間とサイバー空間とを有機的に結合し現実世界の営みを高度化しようとする技術である。2010年頃から注目されるようになった注5)。2020年には世界で約300億個のデバイスが接続されるとの予想もある12)。現在,多数の企業による各種IoTプラットフォーム(たとえば,713))の開発・提供,無線通信規格の5GやLPWA(Low Power Wide Area),通信の効率化を図るエッジコンピューティングの検討などが活発に進められている。民間主導の「IoT推進コンソーシアム」注6)も設置され14),関連のサービスやビジネスモデルの実用化に向けた検討が進められている。IoTにより複数拠点に分散された在庫の状況や輸配送車両の運行状況,車両に積載された荷物の状況などをリアルタイムに把握することが可能となるため,いわゆるシェアリングなどの適切な制御を施すことによりロジスティクスの最適化が図れる可能性がある。

図7 IoTプラットフォームの例(ソフトバンク)

  • (2)ビッグデータ
  •  インターネットを経由するデータの量は増加の一途をたどっている。IoTの進展によりその量は計り知れない注7)。桁違いに多量であると同時に,内容は多岐にわたる。データはWebやSNSなどネット上の活動から収集される「バーチャルデータ」,現実空間での活動からセンサーを介して収集される「リアルデータ」の2種に大別される注8)。ロジスティクスでは後者とより関係が深い。ハードウェアの性能向上等により,ビッグデータの分析は,すべてのデータを対象にし,異種データ間の関連性の有無,すなわち,相関関係を分析する点に特徴がある。分析には,次の(3)で取り上げるAIの適用(たとえば,需給予測によるマッチングなど)も期待される。ロジスティクスにおいては,たとえば,渋滞や危険箇所などの阻害要因を回避しうる輸配送ルートの提示,需要の予測と生産や在庫の計画立案,さらには顧客に対する新たな価値の創出などの応用が期待される。

  • (3)AI
  •  数十年以上の研究・開発の歴史の中で,現在AIは,第3次ブームの中にあるといわれている。IoTやロボットの進展とも相まって大きく注目を集めている。第3次ブームは「機械学習」注9)をするプログラムの発展とその適用性を格段に向上させた「ディープラーニング(深層学習)」注10)という技術のブレークスルーにより推進されつつある。機械学習をするAI(松尾豊氏による「大人の人工知能」)15)により膨大な量のデータの中から統計・確率的な分析を通して最も確からしい解を導き出すことが可能である。一方,ディープラーニングを用いるAI(松尾豊氏による「子どもの人工知能」)15)は,それをロボットへ組み込むことにより,現実空間における自然物を対象とするさまざまな仕事をこなせるようになる(8)と考えられている。人手不足が深刻化している今後のロジスティクス業界において大きな期待が寄せられている。

図8 省人化・無人化に活用が期待されるロボットやAI

  • (4)ロボット
  •  センサー,知能・制御系,駆動系の3要素を備えた機械という従来の定義に対し,最近では,技術革新やビジネスモデルの変化に伴い,その定義から逸脱したものも登場してきた。AIを適用し自ら学習しながら行動できる「自律的な」もの,さまざまなデータを蓄積・活用し付加価値を提供しうる「情報端末的な」もの(例:AIスピーカーなど),さらにはネットを介して相互に連携する「ネットワーク動作的な」ものなどである注11)。過重な労働や深刻な人手不足が心配されるロジスティクス業界においてその期待は大きい。物流拠点でのモノの搬送,ピッキング,車両からの荷下ろしと車両への荷積みを行うロボット,自動走行車,ドローンなど,適用箇所は多様である(8)。

3.2 ロジスティクスへのインパクト

以上を基に主要技術がロジスティクスへ与えるインパクトを整理した(9)。インパクトとしては,人手不足対策というニーズからの側面およびインターネットとそれに関連する技術の進歩というシーズからの側面の2つの側面からもたらされると考えられる。すなわち,第4次産業革命をけん引する主要技術により,サプライチェーンにおいて「人の業務の代替」「労働力(人)や施設等のシェアリング」「高精度な予測や新たな価値の創造」といったインパクトがもたらされ,省人化,生産性・品質・安全性の向上,価値やサービスの向上などの効果が期待される。このように実現されるロジスティクスがスマート・デジタルロジスティクスである。

図9 第4次産業革命をけん引する技術のロジスティクスへのインパクト

4. ロジスティクスの変革へ向けた取り組みの現状

4.1 施策やロードマップの策定に関する取り組み

政府や民間業界団体において変革に向けての施策やロードマップの策定が行われている(2)。人手不足への対応として,政府は隊列走行を2020年に高速道路(新東名)において実現し2022年には商業化する予定であり,さらにドローンによる配送について補助者なし・目視外飛行の要件を明確にしたうえで2020年代に都市部で本格化させる予定である16)。また,ロボット革命の実現の観点から,2020年に向け倉庫・トラック間の積み込み/荷下ろしを含むロボットによる一貫した自動化の実現およびピッキング,仕分け・検品におけるロボット化率約3割の実現を目指している17)。AIの活用による産業化については,生産性,空間移動の分野でのロードマップを示している18)。さらに,より具体化された施策や実現に向けてのロードマップ等が参考文献1920に示されている。

表2 ロジスティクスの変革に向けての施策・ロードマップ作成に関する取り組み
No 取りまとめ資料
(提供元)
公開時期 ロジスティクス変革に関する内容
1 未来投資戦略2017(政府)16) 2017年6月 Society5.0に向けた戦略分野の中で,移動革命の実現(トラック隊列走行,ドローンによる荷物配送など),サプライチェーンの次世代化(IoTの活用による新たな価値の創造)を挙げている。
2 ロボット新戦略(経済産業省)17) 2015年1月 ロボット革命の実現に向けた戦略および分野ごとのアクションプランの中で,2020年に向け倉庫・トラック間の積み込み/荷下ろしを含めたロボットによる一貫した自動化,さらにピッキング,仕分け・検品におけるロボット化率約3割の実現を目指すとしている。
3 人工知能の研究開発目標と産業化のロードマップ(NEDO)18) 2017年3月 各分野の産業化等のロードマップをフェーズ1(2020年頃まで),フェーズ2(2025~2030年頃まで),フェーズ3(それ以降)に分けて整理しているが,特に,「生産性」の分野では,AIによる需給予測マッチング,AIとロボットとの連携などについて,また「空間移動」の分野では,AIによる需給予測マッチング,位置・道路情報のリアルタイム把握,自動走行(陸,空)などについて示している。
4 総合物流施策大綱(2017年度~2020年度)(国土交通省)19) 2017年7月 強い物流の実現に向け取り組むべき6つの視点(提言)の中の一つ「新技術(IoT,BD,AI等)の活用による“物流革命”」について,(1)新技術の活用によるサプライチェーン全体最適化の促進等,(2)隊列走行および自動運転による運送の効率化,(3)ドローンの活用,(4)物流施設の自動化・機械化,(5)船舶のIoT化・自動運航船の5項目を挙げている。
5 IoT,ビッグデータ,人工知能の進展による2030年の物流ビジョン(JILS)20) 2016年8月 IoTやビッグデータ,人工知能によって2030年の物流がどう変わっていくかをまとめている。調達物流,拠点内物流,販売物流など12の切り口から2030年の物流の世界を具体的に描いている。さらに,ビジョンの実現に向けてのロードマップを,2020年,2025年,2030年に分けて示している。

4.2 製品開発や導入実証に関する取り組み

ロジスティクスの変革に向けた民間企業による取り組みも活発に行われている。プラットフォーム製品の開発・提供,搬送・ピッキング・仕分け等を行うロボットの物流拠点への試行導入,ラストマイルにおけるドローンや自動走行車などによる配送の実験,受け渡しロスやミスマッチを改善するマッチング支援システムの開発・提供,国の実証事業への参加などである。

企業の取り組みとして,たとえば,総合物流企業の日本通運では,2017年5月に「ロジスティクス・エンジニアリング戦略室」(LE戦略室)を設置し,(1)自動運転技術を活用したトラック隊列走行,(2)先端技術による物流センターの無人化・省力化,(3)人工知能(AI)活用の物流ソリューション,(4)ドローンの多目的活用,(5)トラックマッチング(求荷求車)のシステム化といった5つのテーマの研究・開発を推進している。特に,(1)では,国の実証実験事業に参加し,2020年の新東名での実証実験,2022年の高速道路での商業化を目指すとともに運用面でのルール作りも行う21)

3PL注12)事業等を手掛ける日立物流では,オープンイノベーション方式による協創型のスマートロジスティクス(ロジスティクス4.0)ソリューションを開発し提供している。10は日立物流が考えている次世代物流センターのイメージであり,各種ロボット技術,3D計測技術,人間拡張技術などをAIと連携させITによる制御を行うことにより,効率性と柔軟性を両立させることを想定している22)

ロジスティクスのシステム化・ネットワーク化を手掛けるシーオス社は,IoT,AI,ロボットを使用する「スマート・デジタルロジスティクス」を提唱するとともに,地域・企業を超えた連携を可能とするニューロンネットワーク型ロジスティクスシステムなど斬新かつ積極的な取り組みを展開している23)

図10 次世代物流センターのイメージ:効率性と柔軟性を両立させた物流倉庫(日立物流)

4.3 今後の展望

ロジスティクスのスマート化・デジタル化に向け,当面は,(a)IoTの進展を取り込んで従来システムを高度化させる路線(IoT→ビッグデータ+AIによるデータ利活用)と,(b)ロボット+AIの導入により業務の革新を引き起こす路線とが独立した形で進んでいき,最終的に両者が融合した形に最適化されていくものと考えられる。2020年が技術やその実証の最初のマイルストーンとなっており,前者(a)については,特に2017年4月に経済産業省から公表された「コンビニ電子タグ1000億枚宣言」注13)の実証実験の成否がスマート・デジタルロジスティクスの一つの試金石になりうると考えられる。後者(b)についてはベンチャー企業の活用などオープンイノベーション方式を取り入れた開発・実証が進んでいくものと考えられる。

5. おわりに

ロジスティクス業界において人手不足は深刻であり,その意味でロボットやAIの早期導入への期待は大きい。ただ,過去のシステムの延長線上ではないため,ドローンや自動運転などの導入に当たり制度化や標準化にも配慮する必要があろう。一方,サプライチェーンに関するモノ,それを扱う機器や車両,関連施設などがIoTでつながり,地域や企業をまたぐシェアリングにより効率向上を図ることが期待されるが,そのためにはサプライチェーン全体を俯瞰(ふかん)し総合的な最適化を図る視点が重要であり,その視点からの開発推進が望まれる。また,輸出入を伴うロジスティクスの実現への配慮も必要となる。技術で日本が孤立しないように海外システムとの連携や標準化も考慮する必要がある。

執筆者略歴

  • 増田 悦夫(ますだ えつお) emasuda@rku.ac.jp

流通経済大学 流通情報学部教授。博士(工学)。専門は,ロジスティクス情報システム,通信ネットワーク。大学院修了後,日本電信電話公社(現NTT)入社。一貫してネットワークサービスシステムの研究開発に従事。2002年4月より現職。流通経済大学において,物流情報学研究科長,物流科学研究所長,流通情報学部長などを歴任。日本物流学会,電子情報通信学会などの会員。

本文の注
注1)  現実空間の現象を数値に置き換え,保存・再生・処理する技術であり,時間・空間を圧縮でき,装置やデバイスの性能向上・小型化を可能とする。

注2)  第1次(18~19世紀初頭,蒸気機関,紡績機など軽工業の機械化),第2次(19世紀後半,石油,電力,重化学工業の発展),第3次(20世紀後半,インターネットの登場,ICTの普及)に続く4番目の産業革命。極端な自動化やコネクティビティーによる産業革新を指している。

注3)  ネット通販のサプライチェーンにおいて,その最終到着点である消費者までの配送部分。ラストワンマイルとも呼ばれる。

注4)  トンキロ:輸送量の単位で,1トンキロは1tの貨物を1km運ぶ輸送量。

注5)  1999年にケビン・アシュトンが「IoT」という言葉を初めて使用したといわれている。

注6)  IoT推進コンソーシアムの法人会員は2017年11月14日現在で3,275社に上る。

注7)  米国の市場調査会社IDCによると,2020年には約40ゼタバイト(1ゼタバイトは1ギガバイトの1012倍)に達するとのことである(平成26年版情報通信白書)。

注8)  米国のアドバイザリー企業最大手ガートナーは,データが成長していく際の課題やチャンスをVolume(データの膨大さ),Variety(データの多種多様性),Velocity(分析のリアルタイム性)の3軸の組み合わせでとらえ,ビッグデータをこれら3Vで定義している。

注9)  人間の学習と同様,人工知能が大量データの中から最も確率の高い解を探し出すという処理の中で,ルールや知識を自ら獲得すること。ただし,特徴量(すなわち,データのどこに着目するか)の抽出は人間が与える。

注10)  人間の脳をモデル化した人工ニューラルネットを大規模化し,ニューロン(神経細胞)での情報処理を経るたびにさらに高次の概念を獲得していく学習手法であり,画像認識や音声認識などへの適用が可能。特徴量の抽出はAI自身で可能とのことである。

注11)  クラウド等のネットワーク基盤の充実やAIの進歩などから,ロボットの定義の見直しも指摘されているようである(平成28年版科学技術白書)。

注12)  3PL:3rd Party Logisticsの略。「荷主に対して物流改革を提案し,包括して物流業務を受託する業務」(総合物流施策大綱)のこと。メーカー,卸売・小売業,物流業者などの1stおよび2nd Partyに対し第3の(3rd)Partyの業務という意味である。

注13)  2025年までにコンビニ5社のすべての商品に電子タグを貼付し個品管理を実現するとともに,流通過程での情報を基にサプライチェーンを高度化しようとする計画。2018年をめどに実証試験を開始する。

参考文献
 
© 2018 Japan Science and Technology Agency
feedback
Top